Mesterséges intelligencia a macula-degeneráció követésében
Mesterséges intelligencia programok segítségével megjósolható az időskori macula-degeneráció lefolyása.
A macula (sárgafolt) a szem ideghártyájának éles látásért felelős területe. Atrophiája, vagy idegsejtjeinek pusztulása az időskori makula-degeneráció (AMD, age related macular degeneration). A betegség két formája a nedves illetve a száraz forma. A gyakoribb száraz formában a makula elvékonyodik, az idegsejtek részlegesen, foltokban pusztulnak, a látás általában lassan, folyamatosan romlik, a beteg épp azt nem látja, amire ránéz. Jóval ritkább a nedves forma, amikor az ideghártya (retina) alatt kóros érnövekmények, elfajult hajszálerek alakulnak ki, amelyek az érhárty és az ideghártya közti vékony hártyát áttörve betörnek a retinába, ödémát, bevérzéseket okoznak (innen a nedves forma elnevezés) a sárgafolt területén, a centrális látás súlyos károsodásával, a sárgafolt elhegesedésével, ami a központi látás teljes elvesztését okozva.
A betegség valódi oka egyik formánál sem ismert, de a családi halmozódás genetikai eredetre utal, amelyet életmódbeli sajátosságok - dohányzás, állandó napfényben való munka, vitaminszegény étrend - súlyosbíthatnak.
A diagnózist a jellegzetes panaszok és tünetek, valamint a szemfenéki kép alapján állítják fel, de az orvos különböző képalkotó eljárásokat is segítségül hívhat. A fluoreszcens angiográfia (LAG) során az intravénásan beadott festékanyag néhány másodperc alatt láthatóvá teszi a szemfenéki ereket, a szemfenékről készített fényképsorozat jellegzetességei segítik a betegségek elkülönítését. Az optikai koherencia tomográfia (OCT), amely hasonló az ultrahang-vizsgálathoz, de itt egy speciális fénynyaláb segítségével történik a letapogatás, melynek nyomán a képernyőn megjelenő színes, a retina keresztmetszeti képének megfelelő képen a biomikroszkópos vizsgálatnál jóval pontosabban láthatóak és felismerhetőek az elváltozás.
A két új mesterséges intelligencia (AI) program segítségével - megalkotói Dr. Michael Boland (Hopkins School of Medicine in Baltimore, Maryland) és munkatársai szerint - azt lehet megjósolni, hogy nagy valószínűséggel melyik szemen fog bekövetkezni az időskori macula degeneráció
Az Age-Related Eye Disease Study (AREDS) megfogalmazása szerint az AMD betegség progresszióját antioxidánsokkal és vitaminokkal lehet lassítani, és a betegség nedves formájában a vaszkuláris endotheliális növekedési faktor (VEGF) ellenes gyógyszerek korai bevetésével gyakran hatásosan megőrizhető a látás. Számos olyan beteg, akinek az egyik szemén nedves AMD alakul ki, még jól lát a másik szemével. Az esetek 20%-ban azonban másik szemen is kialakul a betegség, ami erősen korlátozza a beteg mindennapi életét. Ezért igen fontos a veszélyeztetet szem monitorozása.
Sem a monitorozáshoz szükséges optikai koherencia tomográfia, sem elég műszer, sem a szemfenéki elváltozásokat biztosan felismerő szakember sem áll megfelelő számban rendelkezésre, a veszélyeztetett szem jelenlegi előírásoknak megfelelő szigorú követése pedig igen időigényes, ezért igen hasznos lenne a mesterséges intelligencián alapuló programok igénybe vétele.
E programok megalkotói a Nature Medicine-ben online május végén megjelent publikációk szerint a deep learning-hez fordultak, melyben számítógépekkel szimulálják az emberi gondolkodás neurális hálózatát és az adathalmazok rejtett, de fontos mintázatát. Jason Yim (DeepMind), Reena Chopra (DeepMind, and University College London) és munkatársaik 2795 már diagnosztizált AMD-s betegnél többször is elvégzett optikai koherencia tomográfia eredményeit tartalmazó adatbázist használták fel. A deep learning segítségével tanították a számítógépet. Olyan programot készítettek, hogy a komputer azonosítani tudja a drusen volumenét, az atrófia elhelyezkedését, a hiperreflektív foltokat és meghatározták, hogy ezen jelenségek a nedves AMD keletkezésének milyen szakaszát jelentik. Megtanították a számítógépet a scan képeken megjelenő új voxelek (a 3 dimenziós kép legkisebb egysége) és a nedves AMD közötti összefüggésre is. A két eljárást egy programba olvasztották, és az eredmények alapján a komputer a legtöbb esetben pontosan jósolta meg a problémát. Ha az előző OTC scanek mellett a szemfenéki képek és a klinikai információk is rendelkezésre álltak, akkor a program pontosabban működött. A szerzők a klinikai használat előtt szükségesnek tartják a rendszert prospektív vizsgálatban történő ellenőrzését. Az eljárás segíthet a veszélyeztetett betegek kiválasztásában, hisz jelenleg nincs hatásos módszer a nedves AMD megelőzésére.
Egy másik vizsgálat kutatói Dr. Alauddin Bhuiyan (iHealthScreen Inc, New York City) vezetésével Translational Vision Science & Technology-ban megjelent közleményük szerint deep learning segítségével tanították meg a számítógépet, arra, hogy az eredetileg az AREDS formuláció helytállóságát tesztelő vizsgálat 4139 részvevőjének színes szemfenéki fotóját az elváltozások súlyossága szerint értékelje. A súlyossági fokot jelző pontértéket szocio-demográfiai adatokkal és egyéb képalkotó vizsgálatok adataival kombinálták. A végső AMD-be való progresszió kockázatát a „tree learning technika” alkalmazásával jósolták meg, ami a mesterséges intelligencia olyan rendszere, mely inkább a logisztikai regressziót használja a neurális hálózat helyett. A rendszer 99,2%-os pontossággal jósolta meg a betegség végső formájába való átmenetét: 66,88%-ban pontosan jelezte a száraz AMD progresszióját, 67,15%-os pontossággal jósolta meg a nedves AMD progressziójának kockázatát a következő 2 éven belül. A kutatók leellenőrizték az eljárást a Nutritional AMD Treatment-2 (NAT-2) vizsgálat teljesen független adatain: a súlyos AMD 2 éven belüli kockázatát 84%-os pontossággal jósolta meg a rendszer. A rendszer nem csak a szoros monitorozást igénylő ADM-es betegek azonosítására alkalmas, a telemedicina segítségével a betegségben nem szenvedő milliók szűrésére is használható.
Az eljárás egyik korlátja, hogy az AREDS adatokat csaknem mindig már AMD-ben szenvedőkön vették fel, csak AMD-ben nem szenvedő személy szerepelt a vizsgálatban. A vizsgálatban nem szerepeltek szürkehályogos, diabeteszes és egyéb betegségekben szenvedők sem.
Források:
